Python数据分析入门教程(二)：数据预处理(14)
年龄用数字填充合适 ， 但是性别用数字填充就不太合适 ， 那么可不可以分开填充呢？答案是可以的 ， 选中要填充的那一列 ， 按照填充全部数据的方式进行填充即可 ， 只不过要填充几列 ， 需要执行几次操作 。
上图是填充前后的对比 ， 年龄这一列我们用平均值进行填充 ， 性别这一列我们用众数进行填充 。
除了用0填充、平均值填充、众数（大多数）填充 ， 还有向前填充（即用缺失值的前一个非缺失值填充 ， 比如上例中编号A3对应的缺失年龄的前一个非缺失值就是16）、向后填充（与向前填充对应）等方式 。
（2）Python实现
在Python中 ， 我们利用的fillna（）方法对数据表中的所有缺失值进行填充 ， 在fillna后面的括号中输入要填充的值即可 。
推荐阅读
- 季后赛|IG进季后赛概率仅1.83%！LPL数据分析：FPX比EDG更有机会拿第1
- RNG|五连胜：RNG又浪又稳赢下UP！双方对局战况及最新数据分析
- 盲盒|梦幻西游：数据分析老王无级别之夜2006件装备，破解出蓝字的几率
- 原神|原神：雷主技能和数据分析，隐忍了一年后终于从“最弱五星”摇身一变最强充能拐
- 原神|原神：甘雨12号上线，为什么说是必抽人权卡？最新实战演示数据分析
- 崩坏3吼姆天王|崩坏3吼姆天王数据分析
- Python|阿里达摩院13小时讲完的python！整整466集，拿走不谢
- 公主连结处女座工会战野性狮鹫|公主连结处女座工会战野性狮鹫数据分析
- 公主连结处女座工会战双足飞龙|公主连结处女座工会战双足飞龙数据分析
- 智慧公安可视化大数据分析平台开发情报研判平台开发